MétaCan
Menu
Retour à la cohorte
Enregistrement W2168712456 · doi:10.1287/opre.1060.0333

Online Low-Price Guarantees—A Real Options Analysis

2006· article· en· W2168712456 sur OpenAlexfundno aff
Benjamin C. Marcus, Chris Anderson

Notice bibliographique

RevueOperations Research · 2006
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCapital Investment and Risk Analysis
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacs
Mots-clésReservationRentingPurchasingReservation priceBusinessProduct (mathematics)Service (business)Service providerMarketingLiberian dollarAutomotive industryMicroeconomicsCommerceEconomicsComputer scienceFinance

Résumé

récupéré en direct d'OpenAlex

A common practice among large retailers is the low-price guarantee, rebating consumers if they find an identical product cheaper elsewhere. This provides consumers with some level of comfort in their purchase decision. A similar low-price guarantee is provided by numerous service industries that allow reservation of capacity, yet do not penalize the consumer for failure to keep that reservation—examples include hotels and car rental. Given that a consumer is not required to keep the reservation, they may make another reservation, either at a competing firm or the same firm, if future prices decline. The increasing availability of pricing information on the Internet affords consumers the opportunity to be more strategic in their purchasing behavior. As consumers, we are able to quickly and easily check prices from numerous service or goods providers. The ease of price information potentially makes these guarantees very costly to the service or good provider. We analyze the implied costs associated with these guarantees by making analogies to financial options. Motivation for this research comes from a large car rental firm, Dollar Thrifty Automotive Group Inc., that considered offering a low-price guarantee to all consumers that book a reservation though their website.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,924
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,073
Tête enseignante GPT0,336
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOperations ResearchMême sujetCapital Investment and Risk AnalysisTravaux en français237 207